# -*- coding: utf-8 -*-
#載入庫
import numpy as np
import gym
import time

#Gym的主要作用是為研究者和開發(fā)者提供一個方便的強化學(xué)習(xí)任務(wù)環(huán)境
env = gym.make('CartPole-v0')
#創(chuàng)建CartPole問題的環(huán)境env

env.reset()
#初始化環(huán)境

random_episodes = 0

reward_sum = 0#獎勵
while random_episodes < 10:
    env.render()#將CartPole問題的圖像渲染出來

    observation, reward, done, _ = env.step(np.random.randint(0, 2))
    #使用np.random.randint(0, 2)產(chǎn)生隨機的Action
    #然后使用env.step()執(zhí)行隨機的Action,并獲取返回值
    #如果done標(biāo)記為True,則表示這次試驗結(jié)束，即傾角超過15度或者偏離中心過遠導(dǎo)致任務(wù)失敗

    reward_sum += reward
    if done:#如果試驗結(jié)束
        random_episodes += 1
        print("game over,Reward for this episode was:", reward_sum)
        #輸出這次試驗累計的獎勵
        reward_sum = 0 #獎勵重新置為0

        time.sleep(2)
        env.reset()#重啟環(huán)境

該僅僅是平衡木的移動，開始到結(jié)束。